ChatGPT——我们距离下一次工业革命还有多远?

2023年5月21日
一奇集团
ChatGPT——我们距离下一次工业革命还有多远?
分享
领英邮件FacebookTwitter
语言

  • 大规模模型的出现,标志着实现通用人工智能的可能性。
  • 虽然互联网围绕互联展开,但生成式 AI(如:ChatGPT)专注于嵌入
  • 与互联网时代相比,ChatGPT 的优势不在于向所有人传播信息,而在于其预测能力和信息检索能力。

ChatGPT 是消费者级自然语言处理 (NLP) 应用中发展最快的,用户人数达到了有史以来的1亿人。从开源插件到最近发布的 GPT-4,ChatGPT 迅速改变了我们的生活和工作方式。

正如机器取代了传统的体力劳动,电气时代战胜了传统的蒸汽机,信息革命将世界变成了地球村,人工智能 (AI) 正在帮助人类成为真正的“创造者”。技术扩散的颠覆性力量将与工业革命相媲美。

为理解这种影响,我们首先需要了解智能的真正含义。

大规模语言模型带来的认知飞跃

自从 AI 技术在1956年的达特茅斯会议上正式提出以来,人们期望它能提高生产力,并推动第四次工业革命。ChatGPT 是基于大规模语言模型构建的,标志着拥有更高广泛性的突破。从技术角度看,ChatGPT 和过去的 AI 产品最显著的区别,在于从劳动密集型(人类注释的数据集)转向对高计算能力的需求。理论上,只要有足够的计算能力,就可以培养具有无限参数的大规模模型。

常规而言,人工智能可以分为三个发展阶段:计算智能、感知智能和认知智能。认知智能是最具挑战性的阶段,要求机器在积累大量知识后具备理解和思考的能力,并做出相应的推理和决策。从这个角度来看,ChatGPT 代表了认知智能的重大进步。此外,大规模模型的出现使得在各大领域中扩展 AI 应用成为可能,从而使得 AI 成为提高生产力和促进技术创新的重要推动力。

通用人工智能(AGI)意味着机器可以像人类一样思考和从事多种目的,处理高度复杂的任务,并取代主要的常规和基于规则的工作,而以创造力、想象力和直觉为代表的认知智能也将得到改善。
通用人工智能(AGI)意味着机器可以像人类一样思考和从事多种目的,处理高度复杂的任务,并取代主要的常规和基于规则的工作,而以创造力、想象力和直觉为代表的认知智能也将得到改善。

ChatGPT 的 AI 助手功能已经改变了用户在线信息搜索的范式,并对搜索引擎形成了开创性的影响。此外,代码开发、图像生成、内容创作、智能客户服务等各种服务已经取代了人力劳动。更重要的是,随着机器开始大规模地从事知识和创造性工作,人类的文学、艺术、哲学甚至创造力都可以通过 AI 提升到另一个层次。与互联网时代相比,ChatGPT 的优势不在于向所有需要的人分发信息,而在于其预测能力和信息检索能力。 但这是否足以推动新的工业革命?

与“符号主义”不同,“连接主义”认为智能的基础并非知识,而是基于人脑神经结构(即“神经网络”)的模拟智能。
与“符号主义”不同,“连接主义”认为智能的基础并非知识,而是基于人脑神经结构(即“神经网络”)的模拟智能。

根据中信证券最近的一份研究报告 [1],ChatGPT 在短中期内不太可能完全取代传统搜索引擎,也不太可能改变当前全球搜索引擎市场的竞争格局。如果技术只能部分替代搜索引擎,它很可能不会被视为 AI 领域的颠覆性创新或革命性突破。在下一次全方位工业革命发生之前,人们还有很长的路要走。

ChatGPT 的嵌入将加速其传播,同时产生社会和经济影响。

嵌入式插件使 ChatGPT 能够参与开发人员定义的 API 交互,从而使其能够在各种场景下执行各种任务。通过嵌入在各种应用程序和服务中,ChatGPT 能够为用户提供高度个性化和上下文感知的信息。这有潜力彻底改变我们与技术互动的方式,并为生产力和创新开辟了新时代的道路。它还有可能通过替代旧工作、改变工作性质和创造新职业等主要方式,产生广泛的社会影响。在 Open AI Research 最近发表的一篇论文中, [2]据研究人员估计,至少80%的人将至少有一项工作任务受到 ChatGPT 的影响,而19%的人将有超过一半的工作任务被标记为受 ChatGPT 影响。

左侧显示了整个经济的暴露强度,以受影响职业的百分比表示,右侧显示了受影响工人的百分比。然而,暴露分布在职业和工人之间是相似的,这表明职业中的工人浓度与职业暴露于 GPTs 或 GPT 驱动的软件并没有高度相关。
左侧显示了整个经济的暴露强度,以受影响职业的百分比表示,右侧显示了受影响工人的百分比。然而,暴露分布在职业和工人之间是相似的,这表明职业中的工人浓度与职业暴露于 GPTs 或 GPT 驱动的软件并没有高度相关。

尽管 ChatGPT 所引起的社会影响深远,但从技术革命的角度来看,通常是商业企业在长期内发挥主导作用,推动技术采用转化为生产力增益,并重构产业结构,从而真正推动工业革命。

假设 ChatGPT 希望在各个行业中获得更广泛的应用。在这种情况下,有必要通过真实世界数据的训练和优化开发行业特定的模型,提高其准确性和有效性。此外,ChatGPT 的盈利模式仍处于探索阶段,其未来商业化前景仍需经过市场测试。

数据、算法和计算能力可能是限制因素

ChatGPT 的知识是从大规模语料库中学习的,而不是真正理解世界和人类知识的系统。训练数据集的偏见也不可避免地导致了技术伦理方面的一些问题和挑战。

如果 ChatGPT 能够对生成的答案中的信息来源进行可信度评分,答案的可信度问题应该会得到缓解。此外,要想构建领域知识而将 GPT 与行业特定数据库对接,可以通过垂直训练和微调的方式改进通用模型。

值得注意的是,像 ChatGPT 这样的大规模模型对计算能力的要求极高。据估计,培训 ChatGPT 的成本约为2000万美元/月。 [3]。随着数据量指数级增长,对实时数据的需求也在增加。因此,以数据为中心的计算以及 DPU/IPU 的网络加速已成为应对挑战的重要趋势。

ChatGPT 面临的这些挑战也为其他 AI 公司提供了机会。以讯飞的星火认知大模型为例。作为中国一流的智能语音公司,科大讯飞在中文自然语言处理模型的开发方面具有绝对优势。此外,在数据质量方面,科大讯飞在教育、医疗服务、办公环境、车载等各个领域拥有专有的认知模型。以医疗领域为例,科大讯飞每天与超过70万人进行 AI 诊断和治疗咨询,累计次数已超过5.8亿,这为该领域的训练和专有算法模型生成了大量的行业特定数据。 [4]]。最重要的是,科大讯飞拥有足够的工程技术和计算能力,支持其在各大行业的运营和发展。

构建开放的创新生态系统,加速在中国的采用和落地

AI 自2016年3月被写入“十三五规划”以来,已经成为中国的国家战略。中国信息通信研究院的数据显示,到2022年,中国核心 AI 产业规模将达到720亿美元,同比增长18%。 [5]。目前,为满足 ChatGPT 替代产品所需,国家政策正在积极支持计算能力、算法和数据等新基础设施的建设,促进产业创新和升级。


参考资料